(資料圖)

據(jù) Arxiv 頁面顯示，來自加州大學(xué)、蒙特利爾大學(xué)等多所高校的研究者近日聯(lián)合發(fā)表論文，介紹了一款名為MusicLDM 的文本生成音樂模型。

該模型利用 Stable Diffusion 和 AudioLDM 架構(gòu)，通過在音樂數(shù)據(jù)樣本集上重新訓(xùn)練對比性語言-音頻預(yù)訓(xùn)練模型(CLAP)和Hifi-GAN聲碼器來實現(xiàn)。為了解決訓(xùn)練數(shù)據(jù)和版權(quán)問題，研究團隊提出了兩種不同的混合策略：節(jié)拍同步音頻混合和節(jié)拍同步潛在混合，通過重新組合訓(xùn)練音頻或通過潛在嵌入空間來生成新的音樂。使生成的音樂更多樣化，同時仍忠于相應(yīng)的風格。

研究顯示，MusicLDM 改善了生成音樂的質(zhì)量和新穎性，以及提示文本和生成音樂之間的關(guān)聯(lián)性。

關(guān)鍵詞：